突发：AWS推出新型RG实例
新实例在单一引擎中统一了数据仓库和数据湖查询，旨在降低复杂性并消除不可预测的Spectrum费用。AWS为其Amazon Redshift数据仓库服务推出了由Graviton驱动的新型RG实例，旨在帮助企业降低不断攀升的分析成本以及现代湖仓一体架构的运营复杂性。这些新实例的核心是一个集成的数据湖查询引擎，据AWS称，该引擎可以对Redshift数据仓库和Amazon S3数据湖的数据进行SQL分析，从而提供更快的查询性能并降低分析成本。
新旧模式对比
Pareekh咨询公司首席分析师Pareekh Jain表示，此前，Amazon Redshift RA3系统作为两个独立的引擎运行，Redshift处理仓库数据，Spectrum处理S3数据湖查询。当一个查询同时需要这两部分数据时，AWS必须在两个系统之间进行协调，这增加了复杂性，降低了性能，还使Spectrum的扫描成本变得不可预测。
Jain补充道，新的RG实例将这两者整合为一个直接在Redshift内部运行的集成引擎。这意味着现在可以直接对Iceberg、Parquet和S3湖数据与仓库数据进行查询，减少数据移动，降低开销，并实现更好的性能优化，同时还消除了Spectrum单独的每次扫描费用。
新实例的意义与竞争态势
这位分析师进一步指出，随着人工智能工作负载推动更高的查询量、更多机器生成的分析以及更大的数据处理需求，Spectrum的单独收费正日益成为企业的痛点。许多客户不喜欢Spectrum基于扫描的单独定价方式，因为可能会出现账单突然飙升的情况。
Jain表示，新实例可能是AWS对企业日益增长的人工智能规模分析平台需求的回应，竞争对手如Databricks、Snowflake、提供BigQuery的Google Cloud以及通过Microsoft Fabric提供服务的Microsoft都在推出统一的湖仓一体平台以减少运营分散。Jain说，“RG实例确实增强了Amazon Redshift的竞争力，但这更多是一种防御性举措，而非突破性的变革。”
Jain补充道，Databricks依靠人工智能和数据科学能力，Snowflake凭借多云的简便性，Google Cloud通过BigLake提供原生人工智能分析，Microsoft则依靠Fabric、Power BI和Microsoft Copilot之间的紧密集成，而AWS则押注于Amazon S3的规模和Redshift的更紧密优化，以将企业分析工作负载留在其云栈内。
企业注意事项
根据Greyhound Research首席分析师Sanchit Vir Gogia的说法，首席信息官（CIO）和企业团队在评估新实例时应注意这种战略差异。Gogia表示，“并非所有工作负载都适合。最适合的是那些棘手的重叠部分。在Redshift、S3、开放格式、商业智能（BI）、定期分析、成本压力和人工智能辅助查询的交叉点上，RG可以显著减少摩擦。”
Gogia补充道，“CIO应该盘点外部模式，识别高扫描和高频的数据湖查询，在实际并发情况下对Iceberg和Parquet工作负载进行基准测试，测试月末报告压力，模拟人工智能代理查询模式，并在考虑计算、S3、Glue、KMS、监控和运营开销后衡量节省成本是否真实。”
最大受益者与推出地区
Jain表示，新RG实例的最大受益者将是那些已经使用Iceberg和Parquet等格式在S3中存储大量数据的企业，尤其是银行、电信、零售、制造、媒体、广告和物联网等行业。Jain说，“这些公司通常要处理庞大的数据集、数据湖和仓库之间昂贵的数据重复、不可预测的账单以及难以管理的多个系统。”
AWS也提醒企业不要认为所有工作负载都能实现统一的成本节省，建议客户使用AWS定价计算器结合自身工作负载模式来估算潜在的成本降低。目前，新的RG实例已在美国东部、美国西部、加拿大、圣保罗、法兰克福、爱尔兰、米兰、伦敦、巴黎、西班牙、斯德哥尔摩、孟买、海得拉巴、新加坡、悉尼、首尔、东京和香港等地区推出。
分类信息
分类：数据库、数据管理、云计算
